Transportul și logistica constau dintr-un amestec de muncă foarte diferită ca natură. Planificarea și rutarea, procesarea comenzilor, gestionarea documentelor la transportul transfrontalier, comunicarea de tip track-and-trace cu clienții, planificarea întreținerii materialului rulant și administrarea curselor și facturilor ocupă împreună o mare parte din orele de birou. Pe lângă acestea există munca de conducere și execuție propriu-zisă: încărcare, descărcare, condus, controlul fizic al mărfii. Aceste două lumi nu reacționează la fel la ceea ce poate prelua AI. Procesarea documentelor și planificarea sunt digitale și repetitive; munca fizică adesea nu este, sau devine astfel doar după investiții semnificative în senzori și tehnologie pentru vehicule.
Circumstanțele care determină rezultatul nu sunt aceleași peste tot. O companie care circulă în principal pe plan intern și pe rute fixe are o complexitate de planificare diferită față de o companie cu încărcături internaționale variabile și formalități vamale. Un parc auto cu date de la senzorii din vehicule oferă AI ceva pe care să se antreneze; un parc auto fără aceste date, nu. Reglementările privind timpul de conducere și odihnă, vama și substanțele periculoase sunt, în plus, ceva la care aplicațiile AI trebuie să se conformeze, ceea ce încetinește implementarea în locurile unde aceste reguli sunt aplicate strict.
În planificare și optimizarea rutelor este deja vizibil în multe locuri că software-ul face cea mai mare parte a calculelor, planificatorul evaluând rezultatul și ajustându-l pe baza cunoștințelor pe care sistemul nu le are: un șofer care tocmai s-a întors din concediu, un client care preferă să nu fie vizitat dis-de-dimineață. Acesta este modelul din mijlocul celor trei tipare care traversează întregul sector: AI preia cea mai mare parte a muncii, un om aprobă sau respinge cu motiv. Verificarea documentelor la expedierile internaționale se schimbă într-un ritm comparabil, sistemele semnalând abaterile iar un angajat gestionând excepțiile.
Comunicarea cu clienții privind statusul expedierii este deja în mare parte automatizată în unele companii: un sistem care raportează abaterile fără ca un om să redacteze fiecare mesaj. Planificarea întreținerii materialului rulant urmează un alt tipar: întreținerea predictivă bazată pe date de la senzori poate indica atunci când un vehicul are nevoie de atenție, dar evaluarea dacă acea întreținere trebuie făcută acum sau poate aștepta o oprire planificată rămâne muncă umană atâta timp cât consecințele unei evaluări greșite sunt mari. Iar conducerea vehiculului în sine rămâne muncă umană în marea majoritate a sectorului, chiar și acolo unde se testează tehnologia autonomă.
Diferența dintre companiile care deja organizează astfel lucrurile și cele care nu o fac rareori se află în ambiție. Ea se află în ce date sunt disponibile, în câtă rutină există în proces față de câte excepții, și în modul în care este reglementată răspunderea în caz de erori. Un departament de planificare cu ani de date despre curse poate antrena un sistem pe care un departament fără acest istoric nu îl poate construi. Aceasta nu este o alegere pe care cineva o face, ci o poziție de plecare pe care o are sau nu o are.
O strategie pentru transport și logistică se bazează adesea pe o ipoteză despre unde se află avantajele de cost și blocajele: de exemplu că planificarea este rară și costisitoare, sau că gestionarea documentelor la trecerea frontierei are un timp de procesare fix pe care nici concurenții nu îl pot scurta. Dacă AI mărește acea capacitate de planificare sau scurtează acel timp de procesare la o parte din sector, atunci terenul de joc se schimbă fără nicio anunțare prealabilă. Planul rămâne valabil pe hârtie, în timp ce ipoteza din spatele lui deja nu mai este corectă.
Acesta este exact tiparul care se manifestă și în alte sectoare, cu ritm propriu și cauze proprii: cum serviciile de afaceri se confruntă cu sarcini de consultanță și administrare în schimbare, cum comerțul cu amănuntul gestionează controlul automatizat al stocurilor și contactul cu clienții, și ce înseamnă pentru o strategie atunci când o ipoteză devine caducă fără anunț. Mecanismul de fond este mereu același: AI nu este un proiect separat cu o dată de start, ci o schimbare în structura costurilor și viteza anumitor sarcini, care la un moment dat subminează ipoteza de la baza sa.
Aceasta nu este o afirmație despre ce ar trebui să facă o companie individuală cu personalul său. Deciziile privind funcțiile și numărul de fte-uri revin angajatorului, iar dacă aceste alegeri sunt legate de o reorganizare, se aplică cerințe legale proprii, independente de ceea ce este descris aici. Ceea ce tratează această pagină este întrebarea ce muncă poate fi efectiv preluată, parțial preluată cu supraveghere, sau rămâne muncă umană, și ce înseamnă asta pentru ipotezele pe care este construită o strategie.
Întrebarea ce muncă din compania dvs. poate fi efectiv preluată de AI nu poate primi răspuns la nivel de sector. Pentru aceasta este necesar să priviți propriul proces, propriile date și propriile excepții; asta este ceea ce scanarea muncii de la FTE TO AI cartografiază pe fiecare sarcină. Un prim pas, mai amplu decât doar repartizarea muncii, este aplicarea metodei de a cartografia singur un orizont de schimbări asupra propriei strategii. Cine preferă să înceapă direct cu ipotezele în sine poate face verificarea gratuită a ipotezelor: un tur scurt în care identificați principalele ipoteze din spatele strategiei dvs. și vedeți, pentru fiecare ipoteză, când a fost confirmată ultima dată. Proba de presiune completă, cu date sectoriale, un auto-plasament al echipei de conducere și o listă continuă de ipoteze, este în curs de dezvoltare.
Stel uw vraag. Vaak zit de echte vraag een laag dieper — daar mag ik naar vragen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.